Diapositivas Pronostico PDF

Mt d
Mtodos
Cuantitativos
i i
de Negocios
Captulo
p 3 Pronsticos
y Simulacin
PowerPoint presentation to accompany
Heizer/Render
Heizer /Render
Principles
p of Operations
p Management,
g , 7e
Operations Management, 9e
2008 Prentice Hall, Inc. 41
Bosquejo
Qu son Pronsticos?
Pronsticos y Horizontes de Tiempo
Influencia del Ciclo de Vida del
P d t
Producto
Tipos
p de Pronsticos

Bosquejo Contina
La
L Importancia
I t i Estratgica
E t t i de d los
l
Pronsticos
Recursos Humanos
Capacidad
Administracin de la Cadena de
S i i t
Suministro
Siete Pasos en el Sistema de
Pronsticos

Bosquejo Contina
Mtodos de Pronsticos
Mtodos Cualitativos
Mtodos Cuantitativos

Bosquejo Contina
Pronsticos de Series de Tiempo
Descomposicin de Series de Tiempo
Mtodos Naive
Promedios Mviles
Suavizamiento Exponencial
Suavizamiento Exponencial con
Ajuste de Tendencia
Proyecciones de Tendencia
Variaciones Estacionales en Datos
Variaciones
V i i Cclicas
C li en Datos
D t
Bosquejo Contina
Mtodos Asociativos de
Pronsticos: Regresin
g y Anlisis
de Correlacin
Usando Anlisis de Regresin para
Pronsticos
Error Estndar de los Estimados
Coeficientes de Correlacin para
R
Regresiones
i Lineales
Li l
Anlisis de Regresin
g Mltiple
p

Bosquejo Contina
Monitoreando y Controlando
Pronsticos
Suavizamiento Adaptivo
Pronsticos
P ti Focus
F
Pronsticos en el Sector Servicios

Objetivos de Aprendizaje
C
Cuando
d se completel t este
t captulo
t l estar
t
capacitado para :
Entender los tres horizontes de tiempo

y que modelos
d l aplicar
li en cada
d caso
Explicar
p cuando se usa cualquiera
q de
los modelos cualitativos
Aplicar los mtodos naive
naive,, promedios
mviles, suavizamiento exponencial, y
tendencia

Objetivos de Aprendizaje
C
Cuando
d se completel t este
t captulo
t l estar
t
capacitado para :
Calcular medidas de la exactitud del

pronstico
ti
Desarrollar ndices estacionales
Conducir a una anlisis de regresin y
correlacin
Usar una seal de rastreo

Qu son Pronsticos?
Procesos de
predecir un evento
p
futuro
Base fundamental de
??
todas las decisiones
de negocios
egoc os
Produccin
Inventarios
Personal
Facilidades
F ilid d
2008 Prentice Hall, Inc. 4 10
Pronsticos: Horizonte de
Tiempo
Pronsticos
P ti de
d Corto
C t Plazo
Pl
Hasta 1 ao, generalmente menos que 3 meses
Compras, Programas de Trabajo, Niveles de
fuerza laboral, Asignacin de trabajo, Niveles
de produccin
p
Pronsticos de Mediano Plazo
3 meses a 3 aos
Planes de ventas y Produccin, Presupuesto
Pronsticos de Largo Plazo
Ms de 3+ aos
Planes
Pl de
d nuevos productos,
d t facilidad
f ilid d de
d
localizacin, investigacin y desarrollo
Distinguiendo Diferencias
Mediano/Largo plazo los pronsticos se
ocupan ms de comprender los
problemas
bl y soportar
t las
l decisiones
d i i
gerenciales referente a planificacin,
productos plantas y procesos
productos,
Corto plazo los pronsticos usualmente
emplean
l diferentes
dif t metodologas
t d l que los
l
pronsticos de largo plazo
Corto plazo los pronsticos tienden a ser
ms exactos que los de largo plazo

Influencia del Ciclo de Vida
del Producto
Introduccin Crecimiento Madurez Decline
Introduccin y crecimiento requieren
mayores pronsticos que madurez y decline
Conforme el producto pasa a travs del ciclo
d vida,
de id los
l pronsticos
i son tiles
il en
proyectar:
Niveles de contratacin de personal
Niveles de inventarios
Capacidad de la fbrica
Ciclo de Vida del Producto
cin
Mejor periodo para Practico para Escaso tiempo para Control de

incrementar su cambiar precios o cambiar imagen, Costos crtico
ganizac
participacin en el calidad de imagen precio, o calidad

mercado
Fortalecer nichos Costo competitivos
Investigacin y de mercado resultan crticos
d la Org
diseos son Defender posicin

criticos de mercados
Portales de bsqueda CD--ROMs
CD
en Internet
Estraegias de
TV Analogo
Pasar por
LCD & plasma restaurantes
TVs en coche
Ventas iPods
3 1/2
Windows 7 Floppy
disks
Figure 2.5
Ciclo de Vida del Producto
cin
Diseo y Pronsticos Estandarizacin Pequeas

desarrollo de crtico M
Menos rpido
id los
l diferenciacin
ganizac
productos Fiabilidad del cambios en el en el producto

crticos producto y producto ms Minimizacin
Cambios procesos de menores de costos
d la Org
frecuentes de Mejora en la cambios Sobre

procesos y competitividad Capacidad capacidad en
diseos del producto y Optima la industria
Breve ejecucin las opciones
Estraegias de
Incremento de la Eliminar
de produccin Incrementos de estabilidad de lineas que no
Altos costos de capacidad procesos producen
produccin Centrarse en el Grandes niveles buen margen
M d l
Modelos producto
d t d produccin
de d i R d i la
Reducir l
limitados Mejorar la Mejoras del capacidad
Atencin a la distribucin producto y
calidad reduccin de
costos
Figure 2.5
Tipos de Pronsticos
Pronsticos Econmicos
Direccin del ciclo econmico tasa de
inflacin, oferta de dinero, viviendas, etc.
Pronsticos Tecnolgicos
Predecir la tasa del progreso tecnolgico
Impacto
I t del
d l desarrollo
d ll de
d nuevos productos
d t
Pronsticos de Demanda
Predecir ventas de productos y servicos
existentes

I
Importancia
t i Estratgica
E t t i ded
Pronsticos
Recursos Humanos Contratar,

entrenar, despedir trabajadores
Capacidad la falta de capacidad puede
dar como resultado entregas
g poco
p
confiables, prdida de clientes, prdida
de posicin en el mercado.
Administracin de la Cadena e
Suministro buena relacin con el
proveedor y ventajas de precios.
Siete Pasos en Pronsticos
Determinar el uso
so del pronstico
Seleccionar los items a ser
pronosticados
Determinar el horizonte de tiempo
p a ser
pronosticado
Seleccionar el(los) modelo(s) de
pronstico
Obtener los datos
Realizar el pronstico
Validar e implementar los resultados
La Realidad!!
Los pronsticos raramente son

perfectos
f t
La mayoria de las tcnicas asumen
estabilidad subyacente en el
sistema
Pronsticos de familias de
productos agregados son ms
exactos que pronsticos de
productos individuales
Mtodos
de Pronsticos

Mtodos Cualitativos
Usado
U d cuando d la
l situacin
i i es vaga
o existen pocos datos
Nuevos productos
Nueva tecnologa
Involucra la intuicin, experiencia
e.g., pronosticar las ventas por
Internet

Mtodos
de Pronsticos

Mtodos Cuantitativos
Usado cuando la situacin es
estable y existen datos histricos
Productos existentes
Tecnologa actual
Involucra tcnicas matemticas
e.g., pronsticos de ventas de
televisores a color

Visin General de Mtodos
Cualitativos
Jurado de ejecutivos
Opiniones de un pool expertos de
alto
lt nivel,
i l a veces ampliados
li d por
modelos estadsticos
Mtodo Delphi
Panel de expertos,
expertos interrogados
iterativamente

Cualitativos
Fuerzas de Ventas combinadas
Las estimaciones de vendedores
i di id l son revisados
individuales i d para
moderacin, luego agregados
Encuestas de Mercado de
Consumidores
Preguntas al consumidor

Jurado de Ejecutivos
Involucra un pequeo grupo de expertos
de alto nivel y g
gerentes
El Grupo estima la demanda trabajando
juntos
Combinan la experiencia gerencial con
modelos estadsticos
Relativamente rpido
Desventaja de Group-
Group-think

Fuerzas de Ventas
Combinadas
Cada vendedor proyecta sus
propias ventas
Combinacin a nivel distrital,
regional y nacional
Los vendedores conocen los gustos
de los consumidores
Tiende a ser excesivamente
optimista

Mtodo Delphi
Proceso de Tomador de
Decisiones
grupo Iterativo, (Evalua las
continua
ti hasta
h t respuestas y
alcanzar el toma decisiones)
consenso Asesores
(Administran
3 tipos de el estudio)
participantes
Tomadores de
Decisiones Entrevistados
Asesores (Personas quienes
pueden
d hacer
h
entrevistados juicios de valor)
Encuestas de Mercado a
Consumidores
Se pregunta a los consumidores
respecto de sus planes de compra
Los que los consumidores dicen, y
lo que ellos hacen actualmente a
menudo son diferentes
A veces es dificil de responder

Cuantitativos
1. Mtodos Naive
2. Promedios Mviles
Modelos
3. Suavizamiento Series de
Exponential p
Tiempo
4. Proyeccin de
T d
Tendencia
i
Modelos
5. Regresin Lineal Causales
Asociativos
Pronsticos Series de
Tiempo
Conjunto de datos numricos
uniformemente espaciados
Obtenida por observacin de la respuesta de
la variable para periodos de tiempo regulares
Pronsticos basado solamente en valores
pasados,
pasados ninguna otra variables importante
Asume que los factores que influyeron en el
pasado y en el presente continuar influyendo
en el futuro

Componentes de Series de
Tiempo
T d
Tendencia
i Ci l
Ciclo
E t i
Estacional
l Al t i
Aleatorio

Componentes of Demanda
Componente
Tendencia
servicio
Picos Estacional
ducto o s
Demanda
anda porr un prod
Actual
Demanda
Promedio de
Variacin los 4 aos
Dema
Aleatoria
| | | |
1 2 3 4
Ao Figure 4.1
C
Componente
t TTendencia
d i
Patrn Persistente, en conjunto
ascendente o descendente
Cambia debido a poblacin,
t
tecnologa,
l edad,
d d cultura,
lt etc.
t
Tipicamente duracin de varios
aos

Componente
C t EEstacional
t i l
Patrn regular de fluctuaciones de
hacia arriba y hacia abajo
Debido al clima, costumbres, etc.
Ocurre en el lapso de un solo ao
Nmero
de
Periodo Duracin Estaciones
Semana Da 7
Mes Semana 4 - 4.5
Mes Da 28 - 31
Ao Trimestre 4
A
Ao M
Mes 12
Ao Semana 52
C
Componente
t C
Cclico
li
Repetiendo movimientos de arriba y
abajo
Afectado por el ciclo econmico,
poltica, y factores econmicos
Multiples aos de duracin
A menudo por
relaciones
asociativas
o causal 0 5 10 15 20
C
Componente
t Al
Aleatorio
t i
Fluctuaciones residual Errtica,
no sistemtica
Debido a variaciones aleatorias o
eventos imprevistos
Corta duracin y
no repetitivo
titi
M T W T F
Mt d N
Mtodo Naive
i
Asume que la demanda en el

siguiente
i i t periodo
i d es la
l misma
i
demanda del periodo ms reciente
p.e.
p.e.,, Si en Enero las ventas fueron
68, entonces las ventas de Febrero
sern 68
A veces costo efectivo y eficiente
Puede ser un punto de inicio

Mt d P
Mtodo Promedio
di Movil
M il
MA es una serie de medias
aritmticas
Usada si hay poca o nada de
tendencia
Usada a menudo p
para suavizar
Provee una visin global de los datos
en el tiempo
demanda en n periodos previos
Promedio Mvil = n
Ejemplo
Ej l de
d Promedio
P di Mvil
M il
Ventas Promedio Mvil
Mes Actuales 3 - meses
Enero 10
Febrero 12
Marzo 13
Abril 16 (10 + 12 + 13
13)/3
)/3 = 11 2/3
M
Mayo 19 (12 + 13 + 16)/3 = 13 2/3
Junio 23 (13 + 16 + 19)/3 = 16
Julio 26 (16 + 19 + 23)/3 = 19 1/3

G fi d
Grfico de Promedio
P di Mvil
M il
Pronstico
30
Promedio
28
Mvil
26 Ventas
24 Actual
22
Ventas
20
18
V
16
14
12
10
| | | | | | | | | | | |
E F M A M J J A S O N D

P
Promedio
di Mvil
M il Ponderado
P d d
Usado cuando la tendencia est
p
presente
Datos ms antiguos menos
importantes
Ponderador basados en la
experiencia
i i e intuicin
i t i i
(ponderador por periodo n)

n)
Promedio x (demanda en periodo n)
n)
movil ponderado = ponderadores
d d
Ponderados Aplicados Periodos
P
Promedio
di Mvil
M il Ponderado
P d 3d ltimo mes
2 dos meses atrs
1 T
Tres meses atrs
t
6 Suma de ponderados
Ventas Promedio Mvil

Meses Actuales Ponderado 3
3--meses
Enero 10
Febrero 12
Marzo 13
Abril 16 [(3 x 13
13)) + (2 x 12
12)) + (10 )]/6 = 121/6
(10)]/6
Mayo 19 [(3 x 16) + (2 x 13) + (12)]/6 = 141/3
Junio 23 [(3 x 19) + (2 x 16) + (13)]/6 = 17
Julio 26 [(3 x 23) + (2 x 19) + (16)]/6 = 201/2

Problemas Potenciales Con
Promedios Mviles
Incrementa n suavizamientos al
pronsticos pero hacen menos
sensibles a los cambios
No p
pronostica bien las tendencias
Requiere extensos datos histricos

Promedio Mvil y
Promedio Mvil Ponderado
Promedio
30 mvil
ponderado
ventas
25
Demanda de v
20 Ventas
Actuales
15
Promedio
10 mvil
5
| | | | | | | | | | | |
J F M A M J J A S O N D
Figure 4.2

S
Suavizamiento
i i t Exponencial
E i l
Forma de promedio mvil ponderado
Ponderador declina exponencialmente
Los datos ms recientes pesan ms
Requiere suavizamiento constante ()
Rango
R d
desde
d 0a1
Elegido subjetivamente
Involucra poco registro de datos
pasados
S
Suavizamiento
i i t Exponencial
E i l
Nuevo Pronostico = ltimo periodo pronosticado

+ (demanda actual ltimo periodo
pronosticado))
ltimo periodo pronosticado
Ft = Ft 1 + (At 1 - Ft 1)
donde Ft = nuevo pronstico

Ft 1 = pronstico previo
= suavizamiento (o ponderador)
constante (0 1)
Ejemplo
j p
Demanda pronosticada = 142 Ford Mustangs
Demanda actual = 153
Suavizador constante = .20

Ejemplo
j p
N
Nuevo ti = 142 + .2(153
pronstico 2(153 142)

Ejemplo
j p
N
Nuevo ti = 142 + .2(153
pronstico 2(153 142)
= 142 + 2.2
= 144.2 144 cars

Efectos de Constantes
Suavizamiento
Peso Asignado a
Ms 2do Ms 3er Ms 4to Ms 5to Ms
S
Suavimien
i i Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t
to. Periodo Periodo Periodo Periodo Periodo
Constante ( ) (1 - ) (1 - )2 (1 - )3 (1 - )4
= .1 .1 .09 .081 .073 .066
= .5 .5 .25 .125 .063 .031

I
Impacto
t de t
d Diferentes
Dif
225
Demanda = .5
200 Actual
nda
Deman
175
= .1
150 | | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre

I
Impacto
t de t
d Diferentes
Dif
225
Demanda
Elegir altos valores de = .5
200 Actual
cuando el promedio tiene
nda
Deman
buena probabilidad de
cambiar
175
Elegir bajos valores de
cuando el promedio es = .1
150 |
estable | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre

Eligiendo
El objetivo es obtener el pronstico
ms exacto sin importar la tcnica
que se utilice
Generamente hacemos esto
seleccionando el modelo que nos da el
menor error de pronstico
Error de Pronstico = Demanda Actual Valor Pronsticado

= A t - Ft

Medidas Comunes del Error
Desviacin Media Absoluta (MAD

MAD))
|Actual - Pronstico|
MAD =
n
Media del Error al Cuadrado (MSE

MSE))
(Errores de Pronstico)
Pronstico)2
MSE =
n
Medidas Comunes del Error
M di Porcentual
Media P t l del
d l Error
E Ab l t (MAPE
Absoluto MAPE))
n
100
100|Actual
|Actuali - Pronsticoi|/Actuali
i=1
MAPE = n

Comparacin de Errores de
Pronstico
Pronstico Desviacin Pronstico Desviacin
Tonelaje Redondeado Absoluta Redondeado Absoluta
Real con para con para
Trim Descargado = .10 = .10 = .50 = .50
1 180 175 5.00 175 5.00
2 168 175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178 02
178.02 1.98
1 98 192 61
192.61 12 61
12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62

Pronstico
|deviaciones|
MADTonelaje
= Redondeado Absoluta Redondeado Absoluta
Real
n
con para con para
Trim Descargado = .10
10 = .10
10 = .50
50 = .50
50
Para = .10
1 180 175 5.00 175 5.00
2 168= 82.45/8
175.5 = 10.31
7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4For =175
.50 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205= 98.62/8
98 62/8
175.02= 12
12.33
33
29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62

Pronstico
(Errores de Pronstico)
2
MSE = Tonelaje Redondeado
Real
ncon
Absoluta
para
Redondeado Absoluta
con para
10 = .10
10 = .50
50 = .50
50
Para = .10
1 180 175 5.00 175 5.00
2 =168
1,526.54/8
, 175.5 = 190.82
7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
Para
4 = .50 173.18
175 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 =205
1 561 91/8
1,561.91/8 =
175.02 195
195.24
24
29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62
MAD 10.31 12.33

Comparasin de Errores de
n Pronstico
100|desviacin i|/actual
Pronstico Desviacin i
Pronstico Desviacin
i=1
MAPE =Tonelaje Redondeado Absoluta Redondeado Absoluta
Real con n para con para
10 = .10
10 = .50
50 = .50
50
1 Para
180= .10 175 5.00 175 5.00
2 168 = 44.75/8
44175.5
75/8 = 5 7.50
5.59%
59% 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5
Para =
190
.50 173.36 16.64 170.44 19.56
6 205 = 54.05/8
175.02 = 6.76%
29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62
MAD 10.31 12.33
MSE 190.82 195.24

Comparasin de Errores de
Pronstico
Tonelaje Redondeado Absoluta Redondeado Absoluta
Real con para con para
10 = .10
10 = .50
50 = .50
50
1 180 175 5.00 175 5.00
2 168 175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62
MAD 10.31 12.33
MSE 190.82 195.24
MAPE 5.59% 6.76%
con Trendencia Ajustada
j
Cuando una tendencia est presente, el
suavizamiento exponencial debe ser
modificado
Pronstico Pronstico Tendencia
Incluyendo (FITt) = suavizado (Ft) + (Tt) suavizada
tendencia Exponencialmente Exponencialmente
(FITt) = (Ft) + (Tt)

con Trendencia Ajustada
j
Ft = (At - 1) + (1 - )(
)(F
Ft - 1 + Tt - 1)
Tt = (Ft - Ft - 1) + (1 - )Tt - 1
Paso 1: Calcular Ft
Paso
P 2
2: C
Calcular
l l Tt
Paso 3: Calcular el pronstico FITt = Ft + Tt

Tendencia Ajustada: Ejemplo
Pronstico
Demanda Pronstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24
6 21
7 31
8 28
9 36
10
Table 4.1
Pronstico
Mes)
Mes) Actual(At)
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Paso 1: Pronstico para Mes 2
6 21
7 31 F2 = A1 + (1 - )(F1 + T1)
8 28 F2 = (.2)(12)
( 2)(12) + (1 - .2)(11
2)(11 + 2)
9 36
10 = 2.4 + 10.4 = 12.8 unidades
Table 4.1
p con
Pronstico
Mes)
Mes) Actual(At)
1 12 11 2 13.00
2 17 12.80
3 20
4 19
5 24 Paso 2: Tendencia para Mes 2
6 21
7 31 T2 = (F2 - F1) + (1 - )T1
8 28 T2 = (.4)(12.8
( 4)(12 8 - 11) + (1 - .4)(2)
4)(2)
9 36
10 = .72 + 1.2 = 1.92 unidades
Table 4.1
Pronstico
Mes)
Mes) Actual(At)
1 12 11 2 13.00
2 17 12.80 1.92
3 20
4 19
5 24 Paso 3: Calcular FIT para Mes 2
6 21
7 31 FIT2 = F2 + T1
8 28 FIT2 = 12
12.8
8+1 1.92
92
9 36
10 = 14.72 unidades
Table 4.1
Pronstico
Mes)
Mes) Actual(At)
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19 91
19.91 2.23
2 23 22 14
22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27 14
27.14 2.45
2 45 29 59
29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16
Table 4.1
35
Demanda Actual (At)
Producto
30
25
da del P
20
15
Demand
10 ttendencia(FITt)
Pronstico incluyendo ttendencia(
Con = .2 y = .4
5
0 | | | | | | | | |
1 2 3 4 5 6 7 8 9
Figure 4.3
Tiempo (mes)
mes)
P
Proyecciones
i de
d Tendencia
T d i
Ajustar a una lnea de tendencia a los
datos histricos para proyectar en el
mediano
di y largo
l plazo
l
La lnea de tendencia pueden ser
encontrada
t d usando d lal tcnica
t i ded mnimos
i
cuadrados
y^ = a + bx
Donde y^ = valor calculado de la la variables a ser
pronsticada
(variable
( dependiente))
a = intercepto el eje - y
b = pendiente de la lnea de regresin
x = la variable independente
Mtodos Mnimos
e Dependente
Cuadrados
Desviacin7
Observacin Actual
(valor de y)
Desviacin5 Desviacin6
Variable
Desviacin3
Desviacin4
Valorres de V
Desviacin1
(error) Desviacin2
L
Lnea de i y^ = a + bx
d tendencia,
t d b
Periodo de Tiempo Figure 4.4

Mtodos Mnimos
e Dependente
Cuadrados
Desviacin7
Observacin Actual
(valor de y)
Desviacin5 Desviacin6
Variable
Mtodos de Mnimos
Desviacin3
Cuadrados minimiza la
Desviacin
suma del cuadrado de los
4
Valorres de V
errores (desviaciones)
Desviacin1
(error) Desviacin2
L
Lnea de i y^ = a + bx
d tendencia,
t d b
Periodo de Tiempo Figure 4.4

Mtodos Mnimos
Cuadrados
Ecuaciones para calcular la regresin de las
variables
y^ = a + bx
xy - nxy
b=
x2 - nx2
a = y - bx

Mnimos Cuadrados
Ejemplo
P i d Demanda
Periodo D d de
d energia i
Ao de tiempo(x) Electricidad (y) x2 xy
2001 1 74
2002 2 79
2003 3 80
2004 4 90
2005 5 105
2005 6 142
2007 7 122
x = 28 y = 692 x2 = 140 xy = 3,063
x=4 y = 98.86
xy - nxy 3,063 - (7)(4)(98.86)

b= = = 10.54
x - nx
2 2 140 - (7)(4
( )( 2)
a = y - bx = 98.86 - 10.54(4) = 56.70

Mnimos Cuadrados
Ejemplo
P i d Demanda
Periodo D d de
d energia i
2001 1 74 1 74
2002 2 79 4 158
2003 3 80 9 240
2004 4 90 16 360
2005 5 105 25 525
2005 6 142 36 852
2007 7 122 49 854
x = 28 y = 692 x2 = 140 xy = 3,063
x=4 y = 98.86
xy - nxy 3,063 - (7)(4)(98.86)

b= = = 10.54
x - nx
2 2 140 - (7)(4
( )( 2)
a = y - bx = 98.86 - 10.54(4) = 56.70

Mnimos Cuadrados
Ejemplo
P i d Demanda
Periodo D d de
d energia i
2001 1 74 1 74
2002 2 79 4 158
2003La Lnea3 de Tendencia80 es 9 240
2004 4 90 16 360
2005 y^ 5= 56.70 + 10.54x
105 25 525
2005 6 142 36 852
2007 7 122 49 854
x = 28 y = 692 x2 = 140 xy = 3,063
x=4 y = 98.86
xy - nxy 3,063 - (7)(4)(98.86)

b= = = 10.54
x - nx
2 2 140 - (7)(4
( )( 2)
a = y - bx = 98.86 - 10.54(4) = 56.70

Mnimos Cuadrados
Ejemplo
160
Lnea de tendencia
tendencia,,
150 y^ = 56.70 + 10.54x
e energa
a
140
130
120
0
manda de
110
100
90
Dem
80
70
60
50
| | | | | | | | |
2001 2002 2003 2004 2005 2006 2007 2008 2009
Aos
Requerimientos de Mnimos
Cuadrados
1. Siempre debemos graficar los
datos para asegurar una relacin
lineal
2. No predecimos periodos de tiempo
que van ms alla de la base de
datos
3. Las desviaciones alrededor de la
lnea de mnimos cuadrados son
asumidos como aleatorios
Mnimos Cuadrados
Ejemplo
j p - EViews

Econometric Views
Eviews 6.0

Crear Workfile e Ingresar
Datos

Estimacin de Mnimos
Cuadrados con EVIEWS

Estimacin de Mnimos
La columna con el nombre Coefficient

recoge el valor de los estimadores de los
parmetros asociados a cada una de las
variables explicativas (independientes)
La columna con el nombre Std Error errores
estndar recoge la desviacin tpica estimada
de los estimadores y mide, la precisin con la
que son estimados los parmetros
Estimacin de Mnimos
El estadstico t-Statistic permite contrastar la

hiptesis de que el coeficiente es igual a cero
(H0=i=0
0, frente a H1=i0) y que por lo tanto la
variable en cuestin no es individualmente
g
significativa p
para explicar
p el comportamiento
p de la
variable exgena.
Probability, indica la probabilidad de cometer el
error de rechazar la hiptesis nula siendo cierta.
Estimacin de Mnimos
R-squared,
squared coeficiente de determinacin, sirve
para valorar el xito de la regresin para predecir
los valores de la variable endgena dentro del
periodo
i d muestral.
t l
Adjusted R-squared,
squared coeficiente R2 ponderado
por los grados de libertad.
Estimacin de Mnimos
S.E. of regression,
regression error estndar de la regresin, sirve
para analizar
li lla capacidad
id d predictiva
di ti d dell modelo,
d l
recoge la funcin objetivo ponderada por sus grados de
libertad.
Sum squared resid
resid, suma de los errores al cuadrado,
mide la diferencia entre el valor observado de Y con el
estimado. (debe ser lo ms pequeo posible).
Estimacin de Mnimos
F-statistic
statistic, se construye para contrastar si los
parmetros
t asociados
i d a llas variables
i bl explicativas
li ti d
dell
modelo son conjuntamente iguales a cero. Permite
contrastar la capacidad explicativa conjunta de las
variables introducidas en el modelo.
Porb(F
Porb((F--statistic
statistic)), mide la p
probabilidad de rechazar la
hipotesis nula siendo cierta.
Estimacin de Mnimos
Durbin-
Durbin-Watson stat,
stat estadstico que se construye para
contrastar
t t la l hiptesis
hi t i d de incorrelacin
i l i entret las
l
perturbaciones aleatorias frente a la presencia de
autocorrelacin segn un esquema AR(1).

A li i de
Anlisis d Regresin
R i
Mltiple
Si ms
de
d una variable
i bl independiente
i d di t va a ser
usada en el modelo, la regresin lneal puede
ser extendida a regresin mltiple para
acomodar varias variables independentes
y^ = a + b1x1 + b2x2
Genralmente, realizar estos clculos es muy

complicado
p y mayormente
y se hace con el
apoyo de un software y una PC

Diapositivas Pronostico PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diapositivas Pronostico PDF

Cargado por

Copyright:

Formatos disponibles

Mt d

2008 Prentice Hall, Inc. 42

2008 Prentice Hall, Inc. 43

2008 Prentice Hall, Inc. 44

2008 Prentice Hall, Inc. 46

2008 Prentice Hall, Inc. 47

Entender los tres horizontes de tiempo

2008 Prentice Hall, Inc. 48

Calcular medidas de la exactitud del

2008 Prentice Hall, Inc. 49

2008 Prentice Hall, Inc. 4 12

Mejor periodo para Practico para Escaso tiempo para Control de

participacin en el calidad de imagen precio, o calidad

diseos son Defender posicin

Diseo y Pronsticos Estandarizacin Pequeas

productos Fiabilidad del cambios en el en el producto

frecuentes de Mejora en la cambios Sobre

2008 Prentice Hall, Inc. 4 16

Recursos Humanos Contratar,

Los pronsticos raramente son

2008 Prentice Hall, Inc. 4 20

2008 Prentice Hall, Inc. 4 21

2008 Prentice Hall, Inc. 4 22

2008 Prentice Hall, Inc. 4 23

2008 Prentice Hall, Inc. 4 24

2008 Prentice Hall, Inc. 4 25

2008 Prentice Hall, Inc. 4 27

2008 Prentice Hall, Inc. 4 29

2008 Prentice Hall, Inc. 4 30

2008 Prentice Hall, Inc. 4 32

Asume que la demanda en el

2008 Prentice Hall, Inc. 4 36

2008 Prentice Hall, Inc. 4 38

2008 Prentice Hall, Inc. 4 39

(ponderador por periodo n)

Ventas Promedio Mvil

2008 Prentice Hall, Inc. 4 41

2008 Prentice Hall, Inc. 4 42

2008 Prentice Hall, Inc. 4 43

Nuevo Pronostico = ltimo periodo pronosticado

donde Ft = nuevo pronstico

2008 Prentice Hall, Inc. 4 46

2008 Prentice Hall, Inc. 4 47

2008 Prentice Hall, Inc. 4 48

= .1 .1 .09 .081 .073 .066

= .5 .5 .25 .125 .063 .031

2008 Prentice Hall, Inc. 4 49

2008 Prentice Hall, Inc. 4 50

2008 Prentice Hall, Inc. 4 51

Error de Pronstico = Demanda Actual Valor Pronsticado

2008 Prentice Hall, Inc. 4 52

Desviacin Media Absoluta (MAD

Media del Error al Cuadrado (MSE

2008 Prentice Hall, Inc. 4 54

2008 Prentice Hall, Inc. 4 55

2008 Prentice Hall, Inc. 4 56

2008 Prentice Hall, Inc. 4 57

2008 Prentice Hall, Inc. 4 58

(FITt) = (Ft) + (Tt)

2008 Prentice Hall, Inc. 4 60

2008 Prentice Hall, Inc. 4 61

Periodo de Tiempo Figure 4.4

Periodo de Tiempo Figure 4.4